Qualsiasi test effettuato su una particolare popolazione, deve essere in grado di calcolare sensibilità, specificità, valore predittivo positivo, e valore predittivo negativo, per determinare l'utilità dei test nel rilevare una particolare malattia o caratteristica della popolazione. Se vogliamo utilizzare un test per testare determinate caratteristiche in una popolazione campione, ciò che dobbiamo sapere è:
- Quanto è probabile che questo test venga rilevato? esistenza alcune caratteristiche di una persona insieme a quali caratteristiche (sensibilità)?
- Quanto è probabile che questo test venga rilevato? assenza alcune caratteristiche di una persona chi non ha queste caratteristiche (specificità)?
- Quanto è probabile che qualcuno che ha gli stessi risultati del test positivo veramente avere queste caratteristiche (valore predittivo positivo)?
-
Quanto è probabile che una persona i cui risultati del test negativo veramente non ho queste caratteristiche (valore predittivo negativo)?
Questi valori sono molto importanti da calcolare per determinare se un test è utile per misurare determinate caratteristiche in una data popolazione.
Questo articolo ti mostrerà come calcolare questi valori.
Fare un passo
Metodo 1 di 1: contare te stesso
Passaggio 1. Definire la popolazione da campionare, ad esempio 1000 pazienti in una clinica
Passaggio 2. Determinare la malattia o la caratteristica desiderata, ad es. la sifilide
Passaggio 3. Avere un gold standard standard per determinare la prevalenza della malattia o le caratteristiche desiderate, ad esempio la documentazione microscopica in campo oscuro del batterio Treponema pallidum da frammenti di ulcera sifilitica, in collaborazione con i risultati clinici
Usa il test gold standard per determinare chi ha le caratteristiche e chi no. A titolo illustrativo, diciamo che 100 persone hanno la caratteristica e 900 no.
Passaggio 4. Eseguire il test a cui si è interessati per determinarne la sensibilità, la specificità, il valore predittivo positivo e il valore predittivo negativo per questa popolazione
Quindi, esegui il test per tutti i membri della popolazione campione. Ad esempio, supponiamo che questo sia un test rapido della reazione plasmatica (RPR) per lo screening della sifilide. Usalo per testare 1000 persone in un campione.
Passaggio 5. Per le persone che hanno le caratteristiche (come determinato dal gold standard), registrare il numero di persone che sono risultate positive e il numero di persone che sono risultate negative
Fai lo stesso per le persone che non hanno le caratteristiche (come definito dal gold standard). Avrai quattro numeri. Le persone che hanno le caratteristiche E i risultati del test sono positivi sono veri positivi (veri positivi o TP). Le persone che hanno le caratteristiche E i risultati del test sono negativi sono falsi negativi (falsi negativi o FN). Le persone che non hanno le caratteristiche E i risultati del test sono positivi sono falsi positivi (falsi positivi o FP). Le persone che non hanno le caratteristiche E i risultati del test sono negativi sono veri negativi (veri negativi o TN). Ad esempio, supponiamo di aver eseguito un test RPR su 1000 pazienti. Tra i 100 pazienti con sifilide, 95 sono risultati positivi, mentre i restanti 5 sono risultati negativi. Tra i 900 pazienti che non avevano la sifilide, 90 sono risultati positivi e i restanti 810 sono risultati negativi. In questo caso, TP=95, FN=5, FP=90 e TN=810.
Passaggio 6. Per calcolare la sensibilità, dividere TP per (TP+FN)
Nell'esempio sopra, il calcolo è 95/(95+5)= 95%. La sensibilità ci dice quanto è probabile che il test dia un risultato positivo per una persona che ha la caratteristica. Tra tutte le persone che hanno la caratteristica, quale proporzione risulta positiva? La sensibilità del 95% è abbastanza buona.
Passaggio 7. Per calcolare la specificità, dividere TN per (FP+TN)
Nell'esempio sopra, il calcolo è 810/(90+810)= 90%. La specificità ci dice la probabilità che un test dia un risultato negativo in qualcuno che non ha la caratteristica. Tra tutte le persone che non hanno la caratteristica, quale proporzione risulta negativa? La specificità del 90% è sufficiente.
Passaggio 8. Per calcolare il valore predittivo positivo (NPP), dividere TP per (TP+FP)
Nel contesto di cui sopra, il calcolo è 95/(95+90) = 51,4%. Un valore predittivo positivo indica la probabilità che una persona abbia la caratteristica se il risultato del test è positivo. Tra tutti coloro che risultano positivi, quale proporzione ha effettivamente la caratteristica? NPP 51,4% significa che se il risultato del test è positivo, la probabilità di soffrire effettivamente della malattia in questione è del 51,4%.
Passaggio 9. Per calcolare il valore predittivo negativo (NPN), dividere TN per (TN+FN)
Per l'esempio sopra, il calcolo è 810/(810+5)= 99,4%. Un valore predittivo negativo indica la probabilità che una persona non abbia una caratteristica se il risultato del test è negativo. Tra tutti coloro che risultano negativi, in quale proporzione mancano effettivamente le caratteristiche in questione? NPN 99,4% significa che se il risultato del test di una persona è negativo, la probabilità di non avere la malattia in quella persona è del 99,4%.
Suggerimenti
- Precisione, o efficienza, è la percentuale dei risultati del test correttamente identificati dal test, ovvero (vero positivo + vero negativo)/risultato totale del test = (TP+TN)/(TP+TN+FP+FN).
- Un buon test di screening ha un'alta sensibilità, perché vuoi essere in grado di ottenere tutto ciò che ha determinate caratteristiche. I test che hanno una sensibilità molto elevata sono utili per escludere una malattia o una caratteristica se il risultato è negativo. ("SNOUT": regola di sensibilità OUT)
- Prova a creare un tavolo 2x2 per renderlo più semplice.
- Comprendere che sensibilità e specificità sono proprietà intrinseche del test che no dipende dalla popolazione esistente, cioè che i due valori dovrebbero essere gli stessi se lo stesso test viene eseguito su popolazioni diverse.
- Un buon test di verificabilità ha un'elevata specificità, perché si desidera che il test sia specifico e non etichetta erroneamente le persone che non hanno la caratteristica assumendo che ce l'abbiano. I test che hanno una specificità molto elevata sono utili per allegare determinate malattie o caratteristiche se il risultato è positivo. ("SPIN": Regola di specificità IN)
- Il valore predittivo positivo e il valore predittivo negativo, invece, dipendono dalla prevalenza di questa caratteristica in una particolare popolazione. Più rara è la caratteristica ricercata, minore è il valore predittivo positivo e maggiore è il valore predittivo negativo (perché la probabilità pre-test è bassa per le caratteristiche rare). D'altra parte, più una caratteristica è comune, maggiore è il valore predittivo positivo e minore è il valore predittivo negativo (perché la probabilità pre-test è alta per la caratteristica comune).
- Cerca di capire bene questi concetti.
